El CEO de Assisterr, Nick Havryliak, discute los beneficios de los modelos de lenguaje pequeños (SLMs), la IA descentralizada y la blockchain en el desarrollo de IA. Los SLMs son una alternativa escalable y rentable a los grandes modelos de IA, particularmente para aplicaciones específicas de tareas. Assisterr está desarrollando un ecosistema de IA descentralizado donde las comunidades pueden poseer, gestionar y mejorar sus modelos de IA a través de la tecnología blockchain. La entrevista abarca las ventajas de los SLMs, sus beneficios prácticos para desarrolladores y usuarios, aplicaciones en el mundo real, la propiedad comunitaria de los modelos de IA, el papel de la blockchain en la gobernanza de la IA descentralizada, los desafíos en la transición a un ecosistema de IA descentralizado y el futuro de la IA en la electrónica de consumo.

A medida que la inteligencia artificial avanza hacia soluciones más eficientes, los modelos de lenguaje pequeños (SLMs) se están convirtiendo en una alternativa escalable y rentable a los grandes modelos generalizados favorecidos por las grandes tecnológicas, particularmente para aplicaciones específicas. Assisterr, una red de SLMs con sede en Cambridge, está desarrollando un ecosistema de IA descentralizado donde las comunidades pueden poseer, gestionar y mejorar sus modelos de IA mientras participan en sistemas de gobernanza y recompensas a través de la tecnología blockchain. En esta entrevista, el CEO de Assisterr, Nick Havryliak, discute las ventajas de los SLMs, el potencial de la IA descentralizada y cómo blockchain está empoderando a las comunidades para dar forma al futuro del desarrollo de IA. Cointelegraph: ¿Qué inspiró la creación de los SLMs y cómo se diferencian de los grandes modelos de IA desarrollados por las empresas de Big Tech? Nick Havryliak: Mi experiencia en consultoría tecnológica, particularmente en la gestión de equipos de I+D y el desarrollo de soluciones de aprendizaje automático (ML) y de Internet de las Cosas (IoT), destacó la principal limitación del tamaño y la calidad del conjunto de datos en ML. Este desafío me llevó a explorar cómo se podrían aprovechar los incentivos de Web3 para agregar datos de alta calidad y específicos de nicho. Esta idea sentó las bases para la creación de los SLMs, que resuelven las ineficiencias observadas en los modelos de IA más grandes y generales. Hemos oído hablar de las alucinaciones de los grandes modelos de lenguaje (LLMs) y de sus altos costos. Eso se debe principalmente a que las grandes tecnológicas intentan alcanzar una mayor adopción al hacer modelos más generalistas. Los SLMs ofrecen una ruta diferente, donde los modelos pueden ser altamente especializados pero solo en áreas más pequeñas. CT: Los SLMs prometen ser más eficientes, escalables y accesibles. ¿Podría explicar cómo esta eficiencia se traduce en ventajas prácticas para desarrolladores y usuarios? NH: Los SLMs son más eficientes en recursos, rentables y más fáciles de implementar. Sobresalen en la optimización específica de tareas y en entornos de bajos recursos, lo que los hace ideales para aplicaciones donde la velocidad y el costo son críticos. Fuente: Assisterr Además de esto, para la mayoría de las tareas diarias y la automatización de IA, no necesitas “una IA con conocimiento absoluto” si el resultado se puede obtener con una solución más simple. Así como los humanos no usamos cohetes para matar mosquitos, no necesitamos esperar a que se desarrolle una inteligencia general artificial (AGI) mágica para resolver problemas del mundo real en una variedad de casos de uso. Los SLMs están aquí para empoderar soluciones así ahora, no en el futuro. CT: ¿Cuáles son algunas aplicaciones del mundo real o industrias que cree que se beneficiarán más del uso de SLMs? NH: Los SLMs pueden integrarse en cualquier aplicación, marco de agentes o hardware que estamos utilizando a diario, incluidos los llamados dispositivos de borde como teléfonos móviles y laptops. Si bien todavía es complicado estimar toda la gama de casos de uso, creemos que el tamaño del mercado de SLMs y el número de SLMs superará el número de aplicaciones móviles, que tiene un mercado de 255 mil millones de dólares y más de 5 millones de aplicaciones, en la próxima década. Los SLMs reducirán el punto de entrada al estar muy cerca del dominio del usuario final mientras permanecen altamente rentables. CT: Assisterr enfatiza la propiedad comunitaria de los modelos de IA. ¿Cómo empodera su plataforma a las comunidades para crear, gestionar y mejorar sus propios modelos de IA? NH: A través de las herramientas de Assisterr, los usuarios configuran tesorerías basadas en contratos inteligentes que gestionan las operaciones, los ingresos y la gobernanza de los modelos mediante sistemas de votación tokenizados. Los contribuyentes y validadores pueden colaborar mejorando los modelos, con recompensas distribuidas en función de sus esfuerzos. CT: Blockchain juega un papel central en su modelo. ¿Podría explicarnos cómo la tokenización y la tecnología blockchain permiten la gobernanza descentralizada de la IA e incentivan las contribuciones? NH: Cada SLM opera dentro de un MiniDAO — un modelo de co-propiedad basado en tesorerías. La tesorería se gobierna a través de votaciones por parte de los co-propietarios utilizando Tokens de Gestión (MTs). Las características clave del MiniDAO incluyen: CT: ¿Cómo asegura Assisterr que el desarrollo impulsado por la comunidad de los SLMs mantenga altos estándares de calidad, seguridad y prácticas éticas de IA? NH: Si bien creamos todos los instrumentos para construir SLMs de manera segura y utilizamos enfoques de última generación, la calidad aún depende en gran medida de muchos factores de ejecución.¡Por eso queremos hacer que este proceso sea lo más accesible posible, fomentando una competencia saludable entre los mejores SLM y sus comunidades! CT: ¿Prevén algún desafío en la transición de modelos de IA centralizados tradicionales a un ecosistema de IA descentralizado? Si es así, ¿cómo está Assisterr abordando estos obstáculos? NH: Vemos que el principal desafío es la dificultad de construir casos de uso de IA en el mundo real para personas no técnicas. Por ejemplo, cómo elegir un problema, cómo entender si es demasiado complejo para la IA y cómo definir instrucciones para que el modelo las siga. Fuente: Assisterr Queremos transferir todo este conocimiento de los equipos técnicos, haciendo que este proceso sea fluido con nuestro asistente de IA. En lugar de centrarnos en la comunidad de desarrolladores, estamos haciendo que la creación de IA sea más accesible para creadores, propietarios de datos y una variedad de personas con diferentes antecedentes. CT: Los dispositivos de borde, como los teléfonos inteligentes y las laptops, son cada vez más potentes. ¿Cómo están posicionados los SLM para aprovechar esta tendencia y ofrecer aplicaciones de IA más inteligentes y rentables? NH: Los teléfonos inteligentes y diferentes dispositivos portátiles son los principales impulsores iniciales del desarrollo de SLM. Dichos dispositivos suelen tener limitaciones más estrictas en cuanto a computación y actualmente, simplemente es imposible ejecutar LLM en ellos. Pero al mismo tiempo, los SLM son la principal fuerza para el desarrollo de nuevos gadgets porque pueden desbloquear nuevas formas inteligentes de uso. Esto incluye cosas como las gafas de Meta o amigos portátiles o asistentes que siempre están al alcance. CT: Mirando hacia el futuro, ¿cómo imagina el futuro de la IA en la electrónica de consumo a medida que los SLM se vuelven más comunes? ¿Podrían cambiar la forma en que interactuamos con la tecnología cotidiana? NH: Los SLM definitivamente reformarán nuestras vidas, no solo nuestra interacción con la tecnología. Creemos que en un futuro cercano, cada decisión podría ser tomada por algún SLM específico. Cada caso de uso tendrá su pequeño modelo, lo que hará extremadamente fácil encontrar un "amigo asistente de IA" que ayude con cualquier necesidad. Ahí es donde vemos el poder de un efecto de red, ya que cuántos más SLM haya, más fuerte y valiosa será la red para el usuario final. Aprende más sobre Assisterr. Aviso legal. Cointelegraph no respalda ningún contenido o producto en esta página. Si bien nuestro objetivo es proporcionarte toda la información importante que podamos obtener en este artículo patrocinado, los lectores deben realizar su propia investigación antes de tomar cualquier acción relacionada con la empresa y asumir toda la responsabilidad por sus decisiones, ni este artículo puede considerarse como consejo de inversión.

Modelos de Lenguaje Pequeños, IA Descentralizada y Blockchain: Una Entrevista con el CEO de Assisterr, Nick Havryliak